一种GNSS/SINS容错深组合导航系统设计

卫星惯性深组合导航技术是卫星惯性组合导航领域最有前景的技术之一。深组合导航系统的关键技术之一就是矢量跟踪环路技术,当一个或者多个通道信号质量较差时,组合导航滤波器必然会受影响,从而会影响矢量跟踪环路的参数计算,因此通道运行状态的实时检测十分必要。针对此问题,为每个通道设计了新的通道子滤波器和对应的子滤波器状态检测函数,当通道存在故障时,能够及时检测出故障并对故障通道进行隔离;当通道恢复正常时,也能够及时检测到并充分利用恢复正常的通道卫星信号。仿真结果表明,在部分通道卫星信号被遮挡导致伪距异常的环境下,改进的矢量跟踪环路提高了矢量跟踪卫星惯性深组合的导航性能,有效遏制了故障通道对组合导航系统的影响。     

硬件可实现的GNSS/INS矢量深组合跟踪环路（英文）

GNSS矢量跟踪环路(VTL)跟踪灵敏度和定位精度优于标量跟踪环路(STL),但实现复杂度高,三个主要难点是:多通道联合跟踪要求各通道同时获取观测量并在同一时刻更新环路参数;高频率计算卫星位置加重处理器运算负担;无法跟踪载波相位导致无法解调导航电文。以上三个难点阻碍VTL在硬件平台上实现,因此商业接收机通常使用容易硬件实现的STL,但性能次优。为了在嵌入式硬件平台上实现VTL,引入三种方法:异步观测量线性插值、卫星位置计算算法优化、特殊的导航电文解调方法,之后通过仿真验证优化算法的功能及性能。使用航迹发生器生成飞机协调转弯航迹,再使用GNSS卫星信号模拟器产生中频采样信号,基于Matlab平台处理数据并进行了对比分析。仿真结果表明该VTL计算卫星位置效率提升55倍,成功解调导航电文,VTL位置精度优于3 m,速度精度优于0.3 m/s,基于该VTL的矢量深组合(VDI)算法位置精度优于2 m,速度精度优于0.1 m/s。     

基于矢量跟踪的SINS/GPS深组合导航方法

为了满足高动态用户及强噪声干扰条件下的应用需求,提出了一种基于矢量跟踪的SINS/GPS深组合导航方案。深组合方案利用组合卡尔曼滤波器反馈回路取代了传统接收机中独立、并行的跟踪环路,能够同时完成所有可视卫星信号跟踪和组合导航信息处理的任务;利用相关器残差来更新导航参数状态,同时根据已有的导航参数和星历信息推测GPS伪码相位和多普勒频移等信号跟踪参数,用以控制接收机的本地伪码、载波数控振荡器（NCO）,使本地伪码相位和载波频率与输入信号保持一致。最后,通过仿真验证表明,基于矢量跟踪的深组合方法不仅在GPS信号发生短暂中断期间,能够保证组合系统的导航精度和可靠性,而且在载噪比较低的环境中能够维持较好的伪码相位和载波频率跟踪性能。     

一种复杂多介质环境下的视觉/惯性自适应组合导航方法

针对空间交会对接地面混合悬浮微重力模拟实验中自主水下航行器的高精度实时导航问题,提出了一种复杂多介质环境下视觉/惯性自适应组合导航方案和算法。首先,以视觉定位系统的采样时标为基准对惯导系统的测量数据进行拟合,并通过惯导逆向导航的方法实现惯导与视觉定位系统的时间同步。然后,根据视觉系统量测噪声时变的特点,设计了可对量测噪声在线估计的指数渐消记忆型Sage-Husa自适应卡尔曼滤波组合导航算法。最后,通过实验验证了该组合方案和算法的有效性。实验结果表明提出的方法可以实现复杂多介质环境下的高精度实时导航,并且相比于测量数据未同步的标准卡尔曼滤波组合导航方式,其速度误差和位置导航误差分别降低了56%和64%。     

基于证据推理的惯性/景象匹配组合导航方法

针对传统的惯性/景象匹配组合导航中出现的因误匹配导致组合导航精度低的问题,设计了一种基于证据推理的惯性/景象匹配组合导航方法。在惯性/景象匹配组合导航中,使用证据推理对与景象匹配置信度相关的特征量进行融合计算,将融合计算得到的综合信度作为组合导航量测更新的依据,以降低误匹配对导航精度的影响。试验结果表明该方法可行,组合导航精度相比传统方法提高了25.9%。     

基于BP神经网络辅助的惯性/天文组合导航方法

针对高动态环境下惯性/天文组合导航精度下降的问题,提出一种基于神经网络辅助的惯性/天文组合导航方法。首先以组合导航滤波估计过程中的增益矩阵和动态环境下的惯性器件量测信息构建特征向量;然后,采用导航估计误差对BP神经网络进行训练;最后,利用BP神经网络的输出结果辅助修正组合导航系统。计算机仿真验证结果表明,相较于传统方法,基于BP神经网络辅助的惯性/天文组合导航系统的姿态估计精度可提高30%以上,在动态环境下姿态精度可以保持在5″(1σ)以内。所提出的方法对提高动态环境下惯性/天文组合导航系统的精度和适应能力具有一定的参考价值。     

自适应惯性组合导航系统研究

本文研究惯性／位置组合导航技术，给出在线估计未知噪声统计参量的自适应卡尔曼滤波算法（ＡＫＦ）。首先建立组合导航系统直线飞行段和机动飞行段数学模型，并给出相应滤波算法，仿真结果证明了组合导航估计算法的可行性。所得结论对惯导／地形匹配、惯导／ＧＰＳ组合导航的研制有实用意义     

一种弹道导弹捷联惯导/地磁组合导航方法

基于惯性器件和磁强计的测量信息,提出一种弹道导弹捷联惯导/地磁组合导航方法。以捷联惯导误差方程为基础建立系统的状态模型,以磁强计测量值与根据地磁场模型计算的地磁场强度值之差作为量测,只用一个观测表达式即同时包含载体的位置及姿态信息。引入状态反馈,利用混合校正的卡尔曼滤波得到系统导航信息的最优估计。仿真结果表明,该算法能有效抑制捷联解算误差的发散,磁强计精度为100 nT时,定位精度2.68 km,姿态精度优于5′。该导航方法完全自主,精度较高,具有一定工程应用价值。     

一种微型无人机单目视觉SVO/INS组合导航方法

针对未知环境中微型无人机自主导航问题,提出一种单目视觉SVO/INS组合导航算法。使用半直接视觉里程计(SVO)作为视觉里程计前端,首先对SVO的初始化模块、关键帧选择及跟踪失败处理策略进行了重新设计,实现了SVO在摄像头前视场景中的应用。之后,设计了误差状态卡尔曼滤波器,基于惯性测量单元的测量值进行状态预测,采用SVO的估计结果作为观测值进行状态更新。使用EuRoc数据集对所提算法进行验证,结果表明所提算法可实现对无人机的位置、姿态和速度以及未知尺度、惯性测量单元零偏、重力方向的估计。导航时间3 min位置估计误差为0.15 m,俯仰和横滚角估计误差小于0.5°,航向角估计误差小于1.2°。所提方法具有计算量小、实时性好的优点,适用于机载计算资源有限的微型无人机导航。     

弹载惯性/卫星/星光高精度组合导航

选取捷联惯导系统误差作为组合导航系统状态,利用捷联惯导与卫星导航系统各自的位置输出构造量测,设计惯性/卫星组合导航算法。在惯性/星光组合导航算法设计中,对星敏感器安装误差进行建模并也列入组合导航系统状态,利用星敏感器输出的姿态矩阵和根据惯导输出计算得到的等效姿态矩阵构造量测。从而,利用联邦滤波技术设计出弹载惯性/卫星/星光高精度组合导航方法。该组合导航方法的仿真结果表明,其定位、定姿精度分别达到12.1m(3σ)和0.27′(3σ),而且能够有效标定出惯性器件的随机常值误差和星敏感器的安装误差。     

多星座GNSS/INS紧耦合方法

针对可用卫星数目不足、多星座GNSS接收机不能定位条件下,传统GNSS/INS松耦合方式退化为"纯惯性"模式,无法抑制惯导误差发散的问题,提出了一种基于多星座GNSS接收机原始伪距观测量的GNSS/INS紧耦合方法。利用惯导与多星座GNSS接收机搭建硬件平台,开展了车载试验。试验结果表明,当可用卫星数目满足定位条件时,多星座GNSS/INS紧耦合方法与松耦合方法的导航精度相当;当可用卫星数目不足、多星座GNSS接收机不能定位时,多星座GNSS/INS紧耦合方法仍可利用剩余卫星提供的观测信息继续运行,当卫星数减少为5颗时,纬度和经度精度均优于30 m;当卫星数进一步减少为4颗时,纬度精度优于90 m,经度精度优于50 m。     

MIMU/GNSS紧组合精密单点定位协方差成形自适应滤波方法

针对精密单点定位应用需求,研究了MIMU/GNSS紧组合协方差成形自适应滤波方法。给出了"位臵滤波器+速度滤波器"的分布式滤波器设计方案以降低计算复杂度;推导了地理系紧组合导航系统模型,并把伪距测量不一致性偏差扩展至系统状态向量中予以估计,从而提高系统对于动态环境下伪距测量偏差抖动的适应能力。协方差成形自适应滤波算法利用Frobenius范数来衡量系统残差噪声水平建模状态与实际状态的匹配程度,并以最小化Frobenius范数作为优化指标,动态调节滤波增益,以此来提高状态估计精度、平稳性与鲁棒性。地面静态试验表明:紧组合协方差成形自适应滤波器定位误差均值与均值稳定性均优于标准卡尔曼滤波器,定位精度提高了约50%,能够提供亚米级单点定位导航服务。相较于集中式滤波器设计方案,分布式滤波器方案计算复杂度降低了63.5%。     

基于惯性辅助的低功耗GNSS接收机设计

为了降低GNSS/INS组合系统平台下的GNSS接收机功耗,提出了一种基于INS辅助的间歇式低功耗接收机方案,其中低功耗跟踪环路包括工作、休眠二个模式周期。在启动进入工作周期时,接收机根据惯性系统提供的初始状态估测直接进入跟踪环节,对参数进行校正估测并完成位置、速度解算。最后将更新后的位置、速度结果送入惯性系统中,通过组合滤波方式完成惯性系统的误差校正。实际静态、动态实验结果表明,在惯性系统辅助下,相比于传统接收机,间歇式工作模式接收机能在消耗20%左右功耗情况下,完成了与传统GNSS接收机等同的位置、速度计算服务。     

基于极大似然准则的INS/GNSS组合导航自适应UKF滤波算法

为提高INS/GNSS组合系统对过程噪声方差不确定性的鲁棒性,提出一种基于极大似然准则的自适应UKF算法。在该算法中,首先利用新息向量的统计信息构造量测向量的后验概率密度,然后通过极大似然准则在线求取过程噪声方差的估值,并将其反馈至UKF滤波过程,用于调整卡尔曼增益矩阵。提出的算法可以抑制过程噪声方差不确定性对滤波解的影响,克服了UKF的缺陷。仿真结果表明,当过程噪声的标准差增大为其真实值的4倍时,相比于UKF,提出方法的导航精度可至少提高45.5%;相比于ARUKF,其导航精度也可至少提高35.7%。跑车实验结果也验证了提出算法的有效性。     

基于位姿图优化的MEMS-INS/GNSS行人融合定位方法

为了实现消防救援、反恐作战等应急任务复杂场景下行人的室内外无缝定位,提出了一种基于位姿图优化的综合利用微惯性导航系统和全球卫星导航系统的融合定位方法.首先利用经典的EKF滤波算法实现微惯导和卫导融合定位,结合卫导长期精度较高、误差稳定和不随时间累积的优点以及微惯导短时精度高、输出连续、自主定位的优点,实现行人在复杂环境...     

基于UKF的INS/GNSS/CNS组合导航最优数据融合方法

为了提高INS/GNSS/CNS组合系统的导航精度,提出了一种基于UKF的多传感器最优数据融合方法。该方法具有两层融合结构,第一层中,GNSS和CNS分别通过两个局部UKF滤波器与INS组合,以并行的方式获得INS/GNSS和INS/CNS子系统的局部最优状态估值;第二层中,根据线性最小方差准则推导出一种矩阵加权数据融合算法,对局部状态估值进行融合,获取系统状态的全局最优估计。提出的方法无需采用方差上界技术对局部状态进行去相关处理,克服了联邦卡尔曼滤波(FKF)及其优化形式存在的缺陷。仿真结果表明,相比于FKF,提出方法的导航精度可至少提高36.4%;相比于UKF-FKF,其导航精度也可至少提高21.0%。     

惯性导航系统重力扰动矢量补偿技术

在较高精度惯性导航系统中,重力扰动矢量的影响不可忽略。建立了考虑重力扰动矢量的惯导误差方程,对采用高精度惯性元件(陀螺仪零偏稳定性为0.001 deg/h,加速度计零偏稳定性为0.01 mg)的惯导进行误差仿真,对比分析无重力扰动矢量补偿(垂线偏差为5"～10",重力扰动矢量垂向分量为25～50 mGal)与有重力扰动矢量补偿(垂线偏差和重力扰动矢量垂向分量补偿精度分别为1.6"、2 mGal)两种条件下的惯导定位和姿态误差。仿真结果表明:经重力扰动矢量补偿后,24 h内惯导定位和航向误差分别减小2 nm和1′。     

某型惯性平台安装标校方法

为有效地提高惯性平台的维修性和互换性,给某型惯性平台设计了独特的安装及标校方式。此方法中惯性平台在安装标校时,本身不提供姿态调整的手段,而是通过带有代表惯性平台的水平及方位基准的安装检测平板作为安装标校工具。标校时,使用光学经纬仪及电子水平仪对安装检测平板上的代表惯性平台的水平及方位的光学六面体及水平基准面进行标定。以陀螺经纬仪、光学经纬仪为过渡基准,通过旋转艏向安装固定销达到将安装检测平板的光学方位基准与船体方位基准对齐的目的。以差分电子水平仪为基准,通过研磨安装固定销下垫片的厚度达到安装检测平板的水平姿态与船体基准水平平板水平姿态一致的目的。最终使用螺钉将安装固定销固紧。这样同型号的惯性平台在舰船的任意情况下将实现安装上的互换,而不需要进行二次标校。